Reconnaissance efficace de plusieurs types démarche grâce à Fast RCNN et la suppression des ombres: multi-démarche ... classification l'aide

Ce livre présente un système efficace de reconnaissance multi-démarche utilisant l'élimination des ombres et des techniques de classification basées sur Fast RCNN. La reconnaissance de la démarche identifie les individus grâce à leurs habitudes de marche, mais les ombres, les changements d'éclairage et les variations vestimentaires réduisent la précision. Pour surmonter ces problèmes, un modèle SDR-RAN basé sur le Deep Learning est proposé pour la détection, l'élimination des ombres et la retouche d'image (image inpainting). Le modèle utilise GhostNet, la normalisation par lots et le ReLU paramétrique pour une extraction efficace des caractéristiques. CRANN restaure les zones d'ombre en utilisant les informations d'arrière-plan. De plus, un framework Faster RCNN avec RPN et clustering flou des K-moyennes (fuzzy K-means) est développé pour une classification précise de la démarche. Les résultats expérimentaux montrent des performances de reconnaissance améliorées pour les applications de surveillance.